【摘 要】
：
本文介绍了基于三星公司ARM6410处理器的嵌入式平台，采用基于JPEG DCT(Discrete Cosine Transform)系数和SVM (Support Vector Machine)结合的车位检测识别系统.算法设计由采集的PEG图像的DCT系数，得到直流系数(DC)子图和交流系数(AC)子图，然后进行图像特征的提取，结合SVM分类器进行识别，提高了速度.同时JPEG图像容量小，便于传
【机 构】
：
School of electronic information and control engineering, Beijing University of Technology, Beijing,
论文部分内容阅读
本文介绍了基于三星公司ARM6410处理器的嵌入式平台，采用基于JPEG DCT(Discrete Cosine Transform)系数和SVM (Support Vector Machine)结合的车位检测识别系统.算法设计由采集的PEG图像的DCT系数，得到直流系数(DC)子图和交流系数(AC)子图，然后进行图像特征的提取，结合SVM分类器进行识别，提高了速度.同时JPEG图像容量小，便于传输.并且实现了通过PC端管理系统对ARM端的控制管理.ARM系统程序设计基于Linux操作系统，通过USB摄像头进行图像采集，可方便地进行图像处理和网络传输.
其他文献
为解决认知无线电系统中的发送端发射天线对感知天线的干扰问题，本文在介绍认知无线电基本原理的基础上，描述了LMS算法的基本原理，提出将基于自适应滤波的干扰抑制方法应用于认知无线电系统的干扰抑制中，重点讨论了基于LMS的自适应干扰抑制机制，文章最后通过对普通QPSK信号为例对算法进行了仿真，结果证明，该算法能够达到干扰抑制的目的。
本文针对电磁兼容指标多属性的决策问题，给出了一种基于网络分析法—理想点排序法(ANP-TOPSIS)的分析方法。首先按照网络分析法的原理，结合电磁兼容指标的特点，给出各指标的权重排序，然后根据TOPSIS方法的基本思路，分析具体的决策方法和过程，并针对电磁兼容指标具有多属性的特征，计算出不同电磁兼容设计方案对于正理想点的贴近度，按照贴近度大小对方案的优劣进行了排序。
基于对局部区域内收发设备间电磁兼容性评估的需求，构建了基于电子地图的收发设备间电磁兼容性评估模型，考虑了发射设备功率、天线增益、传播损耗等因素对电磁兼容性预测的影响，将实际干扰信号及局部区域内复杂地理环境的特殊性相结合，充分考虑到收发设备间的具体地理信息，使得仿真计算数据更具有指导意义。
为了满足某八木阵列天线赋形波束的要求,根据天线系统关于馈电网络部分的指标设计了工作在220MHz-240MHz频段、相对带宽为9％的1-3功分馈电网络.功分馈电网络由功分网络、衰减器和巴伦构成.为了解决从输入端口到天线阵列的阻抗匹配问题,首先采用巴伦方案解决了有源振子与同轴电缆的匹配问题,并设计合适的衰减电路得到了期望的幅度分布.功分网络的设计方案为传输线特性阻抗变换与组合,在此独创性地将两根75
本文分析了电磁频谱监测传感网在频谱安全领域的应用场景和功能模型，重点讨论了频谱监测传感网中协同信号检测的初步方案，以期为监测传感网验证系统的构建提供有益指导。
大型系统的外部强电磁场测试是必做的测试项目，目前在该测试项目领域，使用大电流注入方法替代是比较有效的手段，为了达到放行评估的目的，需要研究大型系统辐射照射试验和大电流注入的区别，本文提出了多互联线同时注入方法，用以减小大型系统系统间多互联线缆逐步试验时，辐射照射和大电流注入产生的偏差，研究了多探头同时注入的方法，对于大型系统间的具有很强的实用性。
本文首先分析了网络电磁空间涉及的相关概念，指出网络电磁空间不是用技术而是由某种已知技术所应用到的物理学来定义。在此基础上，研究了网络电磁空间的构成，提出了网络电磁空间的描述方法。通过网络电磁空间的描述可以更加深入地理解网络电磁空间的内涵和本质。
电磁频谱管理仿真可信度评估研究在国内处于起步阶段，主要包含校核、验证和确认三大部分。本文对评估工作中的确认方法进行研究，以灰色决策理论为基础，对单目标化局势决策模型进行应用修改，使定量结果与定性分析较好的结合，并用实例对使用情况进行说明。
BOD5(五日生物需氧量)是水质检测领域中最重要的参数之一,需在其它相关参数被测出后的第五天才能被测量仪器测出.为实现BOD5的在线测量,提出了一种基于软测量技术的嵌入式系统解决方案.系统由5个模块组成,包括BP(反向传播)人工神经网络的学习期算法和工作期算法,历史数据的记录与查询,BOD5(五日生化需氧量)预测结果的越限报警等.该系统的输入是温度,COD(化学需氧量),PH以及MLSS(悬浮物颗
提出一种提高支持向量机(Support Vectot Machine,SVM)识别率的方法,将原特征库中的类标识(1或-1)作为特征值添加到其对应的特征向量中,形成新的特征库(称为增后特征库)。文中证明,相对于基于原特征库的SVM,基于增后特征库的SVM有结构风险小、泛化性好的优点。对未知类别的特征向量进行识别时,先分别将不同的类标识(1或-1)作为特征值添加到该待识别向量中,形成两个增后向量。分